文章主题：Meta, ESMFold, AlphaFold, 蛋白质结构预测
智东西
编译 | 周炎
编辑 | 云鹏
🌟【Meta VS DeepMind】🔥科技巨头的蛋白质魔力揭秘！🔍🚀 3月24日热点直击！华尔街日报深度解析两颗科技界璀璨星辰——Meta的ESMFold与DeepMind的AlphaFold，这两款革命性的蛋白质结构预测模型正引领着科研新纪元。💡🔍 首先，让我们揭开Meta ESMFold的秘密。作为人工智能领域的领航者，Meta凭借其先进的技术，通过深度学习算法，让蛋白质结构的解析变得如探囊取物般简单。🎯而后，DeepMind的AlphaFold以其独特的神经网络架构，展现了对生物复杂性无与伦比的理解和预测能力，堪称生物学界的神算子。🔮📚 开发过程中的艰辛与突破，每一个细节都透露着科技巨头们对科学探索的执着和创新精神。🌟别忘了，这些技术不仅改变了科研游戏规则，也可能在未来医疗、食品等领域带来翻天覆地的变化。🚀欲了解更多详情，敬请关注相关权威报道，让我们一起见证科技如何塑造未来！🌐#MetaESMFold #AlphaFold #蛋白质结构预测
🏆DeepMind’s Game-Changing Breakthrough: Revolutionizing Protein Structure Analysis 🌍🔍Unleashed by the power of AI, the tech giant has triumphantly resolved a 50-year-old puzzle that had eluded scientists. By replacing costly and time-consuming lab methods with its cutting-edge technology, DeepMind is now streamlining the process to reveal the intricate 3D structures of proteins. 🤝These structural secrets are of paramount importance in fields like drug discovery, vaccine development, and climate change research. They serve as the building blocks for understanding and combating life’s most pressing challenges. 🛠️DeepMind’s AI-driven innovation not only accelerates scientific progress but also paves the way for groundbreaking discoveries that could transform our world. The future of biology is here, and it’s shaped by the genius of artificial intelligence. 🌟欲了解更多详情，敬请关注相关领域的最新动态。SEO优化词汇：#DeepMindProtein #AIRevolution #BiologyFutures
🌟【科技巨头竞相破晓】🔥AlphaFold2震撼登场！💡2021年7月，DeepMind的这款革命性AI工具AlphaFold2引领了一场生物结构预测的风暴，几乎覆盖了所有已知蛋白质的秘密。🚀仅仅3个月后，Meta的研究团队也不甘示弱，在《自然》杂志上发表了令人瞩目的成果——ESMFold！🔍他们成功预测了惊人的6亿种微生物蛋白质结构，其中包括那些尚未被科学界充分探索的细菌和病毒。令人惊叹的是，ESMFold在氨基酸序列较短的情况下，其预测速度比AlphaFold2快出了一大截，高达60倍之多。🚀这不仅标志着科技的进步，更是对生命奥秘的一次深度挖掘。🔍Meta的这一突破性技术无疑为蛋白质结构研究开辟了新的道路，未来有望引领该领域的发展。💡欲了解更多，敬请关注相关领域的最新动态！🏆
一、ESMFold加入战局，14天内预测超6亿种蛋白质结构🌟氨基酸序列解锁蛋白质秘密：科学难题中的AI革命🌟protein_structurePrediction: 科学探索的高峰，氨基酸序列与蛋白质结构的深度交织🌟四级结构的微观世界：从一级到四级，揭示蛋白质折叠的奥秘🔍氨基酸的魔力：每个字符都可能开启数不尽的构象多样性🌌AI的力量：智能解析，让蛋白质解析不再费时费力🚀预测蛋白质结构，AI引领新纪元，解开生命科学的复杂面纱🛡️。SEO优化词汇，期待你的探索与发现！💪
🌟【AI蛋白质结构预测新突破】🚀AlphaFold2凭借其先进的进化算法训练的神经网络，已经在蛋白质结构预测领域取得了显著成就。相比之下，ESMFold则独树一帜，利用ESM-2的强大学习能力和表达方式，实现了端到端的3D结构预测，颠覆了传统的预测方法。两者虽各有千秋，但都在推动生物科学的深度理解和技术创新。🌟
🌟🚀ESMFold, the advanced language model 🧬🔍, operates on a similar principle to ChatGPT but with a unique twist. Unlike its predecessor AlphaFold2 that relies on structural and sequence alignment, ESMFold harnesses language learning model’s internal representations for prediction. This eliminates the need for explicit homologous sequences, making protein modeling as simple as feeding one sequence. Its seamless end-to-end architecture allows it to run entirely on GPUs, eliminating database interactions. 💪🚀SEO Optimized: “Revolutionizing Protein Prediction: ESMFold’s Breakthrough in Language-Based AI 🤖🔬 Unleashes the Power of GPU-Driven Sequence Structure Forecasting”
研究人员曾经做过试验，在单个NVDIA V100 GPU上，使用较少参数的ESMFold在14.2秒被对具有384个残基进行预测，可比单个AlphaFold模型能够实现的预测速度快6倍，而在较短的序列上，研究人员甚至看到约60倍的提速。
据悉，ESMFold蛋白质模型背后的团队由Meta AI资深研究科学家Alexander Rives主导，该团队专注于大规模蛋白质序列和结构数据的无监督表示学习模型研究。
2017年，欧洲生物信息研究所发布的显示了AlphaFold模拟人类的蛋白质结构，来源：法国新闻社
Meta AI研究科学家Alexander Rives说：“这些蛋白质极其多样，人类对它们知之甚少，为了数量规模庞大的蛋白质，研究人员需要在预测速度上取得突破。”他还称，使用大型语言模型，ESMFold能够在两周内预测超过6亿种蛋白质。
作为测试案例，Meta AI将ESMFold用于来自环境来源（包括土壤、海水、人类肠道、皮肤和其他微生物栖息地）的批量测序“宏基因组”DNA数据库。绝大多数编码潜在蛋白质的DNA条目来自从未培养过且科学未知的生物体。
自从DeepMind取得突破以来，人们对AI在生物学中的应用产生了巨大的兴趣。AlphaFold是蛋白质结构预测方面取得的一大进步，这也进一步激发了深度学习的浪潮。
二、曾取得CASP最好成绩，AlphaFold将被用于治疗疾病目前，DeepMind开源了AlphaFold2的代码，让社区可以免费使用，目前约2.4亿的几乎所有已知的蛋白质都可以查到。此前，研究人员花费几个月或几年时间才能预测蛋白质的结构。投资生命科学技术的成长型股票公司Biospring Partners联合创始人詹妮弗卢姆（Jennifer Lum）称，AlphaFold缩短了这个过程，使这些团队能够将他们的时间转移到下游的研究和产品开发上，进入其他增值领域。
2018年，AlphaFold1在两年一度的CASP实验中取得了最好的成绩。团队又花了大量时间跟踪CASP，尝试不同的方法来改进AlphaFold，测试它们是否可以匹配实验蛋白质结构的准确性。
Jumper称，这个团队一直工作到2019年，他才真正相信这个团队能够完成它的使命。传统而言，生物学家使用基于X射线和其他技术的实验室技术来理解单一蛋白质结构，但据Jumper称，这一过程不仅要花费数年时间，还活花费10万美元。
John Jumper领导了机器学习应用蛋白质生物学的新方法开发，来源：DeepMind官网
虽然计算方法在理解蛋白质结构方面取得进展，但是目前这项技术还不够完善。无法取代实验室方法。最初的AlphaFold模型试验AI预测氨基酸对之间的距离，第二步利用这些距离分布来得到蛋白质的预测结构。其中第二步涉及到AlphaFold，它利用这些信息，提出了一个关注蛋白质是什么样子的共识模型，而无需AI。
Jumper称，研究小组正在把注意力转向蛋白质创新的新挑战。研究小组正在寻求了解突变与蛋白质功能变化之间的联系，这可以帮助治疗疾病。
结语：AI赋能药物研发具有巨大潜力作为蛋白质结构预测大模型，ESMFold在速度上快于AlphaFold2约60倍。如果在实际计算中，这一速度优势表现得更加明显。同时推断速度优势使得基于计算有效映射大型宏基因组序列数据库的结构空间成为可能。
ESMFold还可以被用于进行快速准确的结构预测，进一步帮助发现新的蛋白质结构和功能。未来，ESMFold或将超越预测蛋白质的静态结构，进一步研究蛋白质的动态结构。当这两个领域的研究都完成后，通过AI赋能新药设计就具备了基础，而从长远看，这具有巨大的潜力。
来源：《华尔街日报》
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
